Κατάλογος ετερο-αναφορών σε εργασίες μου και αναλυτικοί πίνακες.

Transcript

1 Β Ι Ο Γ Ρ Α Φ Ι Κ Ο Σ Η Μ Ε Ι Ω Μ Α ΟΝΟΜΑ Βασίλειος Γ. Καμπουρλάζος ΗΜ/ΝΙΑ ΓΕΝΝΗΣΗΣ Σεπτέμβριος 1963 ΘΕΣΗ ΤΑΧΥΔΡΟΜΙΚΗ ΔΙΕΥΘΥΝΣΗ ΤΗΛΕΦΩΝΑ ΗΛΕΚΤΡΟΝΙΚΗ Δ/ΝΣΗ ΙΣΤΟΣΕΛΙΔΑ Μόνιμος Καθηγητής Α βαθμίδας στο Τμήμα Βιομηχανικής Πληροφορικής, Τομέας Υπολογιστικών Συστημάτων του ΤΕΙ Καβάλας με γνωστικό αντικείμενο «Αλγόριθμοι Λειτουργικά Συστήματα Προγραμματισμός» Παπαιωάννου 45, Παληό Καβάλα (Εργασία) (Οικία) (κιν.) ΕΠΑΓΓΕΛΜΑΤΙΚΟΣ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΣ ΣΠΟΥΔΕΣ Αλληλεπίδραση ανθρώπου με μηχανές. Εφαρμογές με σκοπό την βελτίωση της ανταγωνιστικότητας βιομηχανικών προϊόντων και υπηρεσιών. Παγκόσμιες επιστημονικές δράσεις πρωτοβουλίες. Πτυχίο από το Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Εθνικού Μετσόβιου Πολυτεχνείου, Οκτώβριος Μεταπτυχιακό (Μάστερ) στο Τμήμα Ηλεκτρολόγων Μηχανικών του University of Nevada, Reno (ΗΠΑ), Δεκέμβριος Διδακτορικό στο Τμήμα Ηλεκτρολόγων Μηχανικών του University of Nevada, Reno (ΗΠΑ), Μάιος ΕΜΠΕΙΡΙΑ Έρευνα (Βασική & Εφαρμοσμένη) Ανάπτυξη Λογισμικού Διδασκαλία Διάφορα ΚΑΤΑΛΟΓΟΣ ΔΗΜΟΣΙΕΥΣΕΩΝ ΥΠΟΜΝΗΜΑ ΔΗΜΟΣΙΕΥΣΕΩΝ ΑΝΤΙΧΤΥΠΟΣ Τίτλοι δημοσιεύσεων σε βιβλία, περιοδικά, συνέδρια, επιστημονικές διατριβές, τεχνικές εκθέσεις, και σημειώσεις διδασκαλίας. Σύντομο υπόμνημα δημοσιεύσεων. Κατάλογος ετερο-αναφορών σε εργασίες μου και αναλυτικοί πίνακες.

2 ΕΜΠΕΙΡΙΑ Έρευνα i) Βασική Εισηγητής της χρήσης της θεωρίας πλεγμάτων (lattice theory) για ενοποιημένη μοντελοποίηση συστημάτων υπολογιστικής νοημοσύνης (computational intelligence /soft computing) τα οποία περιλαμβάνουν: νευρωνικά δίκτυα, ασαφή συστήματα, και άλλα υπολογιστικά συστήματα. Βελτιστοποιήσεις μεθοδεύονται με γενετικούς αλγόριθμους. Είναι δυνατοί υπολογισμοί με βάση ανόμοιους τύπους δεδομένων που περιλαμβάνουν αριθμητικά και μη-αριθμητικά δεδομένα όπως (ασαφή) σύνολα, σύμβολα, γράφους, κλπ. Η έρευνα περιλαμβάνει την εισαγωγή νέων αλγόριθμων σε διάφορες εφαρμογές ομαδοποίησης (clustering) /ταξινόμησης (classification) /πρόβλεψης (regression), υπολογιστικά πειράματα, και αποδείξεις θεωρημάτων. Επίσης περιγράφονται υπολογισμοί non-turing. Για λεπτομέρειες βλέπε στις δημοσιεύσεις. ii ) Εφαρμοσμένη (Συμμετοχή σε Ερευνητικά Προγράμματα) 1) ΠΡΟΣΟΜΟΙΩΣΗ ΑΛΓΟΡΙΘΜΩΝ ΔΡΟΜΟΛΟΓΗΣΗΣ ΔΕΔΟΜΕΝΩΝ σε ψηφιακό δίκτυο (ISDN) υπολογιστών. Εθνικό Μετσόβιο Πολυτεχνείο. Εαρινό εξάμηνο και καλοκαίρι 1986, κατά τη διάρκεια της διπλωματικής εργασίας του πτυχίου. 2) ΔΙΑΓΝΩΣΗ ΚΑΚΩΣΕΩΝ ΠΛΑΤΗΣ (WHIPLASH INJURY): Ανάπτυξη τεχνικών ψηφιακής επεξεργασίας εικόνας και νευρωνικών δικτύων με σκοπό την ανίχνευση κακώσεων στο άνω μέρος της πλάτης χρησιμοποιώντας θερμογραφικές υπέρυθρες εικόνες. Ιατρικό κέντρο Computerized Thermography Centers/ IFEX Inc., New York, NY. Σεπτέμβριος Μάιος 1989, κατά τη διάρκεια της μεταπτυχιακής πραγματείας Μάστερ με την ιδιότητα του ερευνητή βοηθού (research assistant). 3) ΔΙΑΓΝΩΣΗ ΑΣΘΕΝΕΙΩΝ: Έρευνα και ανάπτυξη νευρωνικών δικτύων για επεξεργασία ιατρικών αρχείων με στόχο την διάγνωση ασθενειών, και την ανακάλυψη πιο αποτελεσματικών ιατρικών πρακτικών. Ιατρικό κέντρο Washoe Medical Center στο Reno, NV. Ιούνιος Δεκέμβριος 1991, κατά τη διάρκεια της διδακτορικής διατριβής με την ιδιότητα του ερευνητή βοηθού (research assistant). 4) MITOS (BE 7470): Σχεδίαση τεχνικών ευφυούς αυτόματου ελέγχου για μηχατρονικά χειρουργικά εργαλεία και χρήση σε τέσσερις χειρουργικές διαδικασίες. Εργαστήριο Ρομποτικής και Αυτοματισμού, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. Μάρτιος Φεβρουάριος 1997, με την ιδιότητα του ερευνητή. 5) SET MARKS: Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, ΑΠΘ. Μάιος Δεκέμβριος 1997, με την ιδιότητα του ερευνητή. 6) GENOS: Καθολικό σύστημα διαχείρισης ενέργειας. Εργαστήριο Ρομποτικής και Αυτοματισμού, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. Μάρτιος 1997 Δεκέμβριος 1997, με την ιδιότητα του ερευνητή. 7) MTS (PL ): Δίκτυο για τη δημιουργία συνεργασιών μεταξύ βιομηχανικών, ιατρικών, και ερευνητικών κέντρων της Ευρωπαϊκής Ένωσης με στόχο την εφαρμογή μηχατρονικών εργαλείων σε χειρουργικές επεμβάσεις. Μάρτιος 1996 Φεβρουάριος ) ΠΥΛΕΣ: Ανάπτυξη και εφαρμογή μέσω διαδικτύου του εκπαιδευτικού λογισμικού ΕΛΣΑΕ με δυνατότητες αλληλεπίδρασης και αυτοαξιολόγησης από τους φοιτητές των μαθημάτων Κλασσικός Αυτόματος Έλεγχος και Συστήματα Αυτομάτου Ελέγχου του τμήματος Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Αριστοτέλειο Πανεπιστήμιο Θεσ/νίκης. Ιούλιος Δεκέμβριος 1999, με την ιδιότητα του ερευνητή. 9) VENFLEX (CT ): Αναγνώριση με τεχνητή όραση και μηχανισμός ευέλικτων υλικών. Εργαστήριο Ρομποτικής και Αυτοματισμού, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. Ιανουάριος Ιούλιος 2000, με την ιδιότητα του ερευνητή. 10) ΚΤΗΣΙΒΙΟΣ: Δίκτυο διάδοσης της Ε & Τ γνώσης αναφορικά με τεχνολογίες πληροφορικής στα συστήματα αυτοματισμού και παραγωγής με συμμετοχή ερευνητικών κέντρων, πανεπιστημίων, και εταιριών της Ελλάδας. Ιούνιος 2000 Ιούνιος ) ΕΛΛΗΝΙΚΗ ΒΙΟΜΗΧΑΝΙΑ ΖΑΧΑΡΗΣ (ΕΒΖ): Ανάπτυξη νέων τεχνικών υπολογιστικής νοημοσύνης με σκοπό την πρόβλεψη παραγωγής ζάχαρης από καλλιέργεια ζαχαρότευτλων. Εργαστήριο Ρομποτικής και Αυτοματισμού, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. Ιούλιος 2000 Ιούνιος 2001, με την ιδιότητα του ερευνητή. 12) ΕΝΙΣΧΥΣΗ ΣΠΟΥΔΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ: Ανάπτυξη πλατφόρμας λογισμικού 3ξΔ για αξιόπιστη εξέταση φοιτητών μέσω διαδικτύου. Tμήμα Βιομηχανικής Πληροφορικής του Τεχνολογικού Εκπαιδευτικού Ιδρύματος (ΤΕΙ) Καβάλας, Μάιος 2003 Δεκέμβριος 2004, με την ιδιότητα του επιστημονικού υπεύθυνου. 2

3 13) ΤΕΧΝΙΚΕΣ ΜΗΧΑΝΙΚΗΣ ΜΑΘΗΣΗΣ ΣΤΗΝ ΕΚΠΑΙΔΕΥΣΗ (Project EMD-MLR): Ανάπτυξη εκπαιδευτικού υλικού σε θέματα μηχανικής μάθησης και διάδοση του εκπαιδευτικού υλικού σε προπτυχιακούς φοιτητές. University of Central Florida, Ιούνιος 2003 Ιούνιος 2005, με την ιδιότητα του Academic Affiliate. 14) PA_CO_CLIR: Παράλληλη, βασιζόμενη σε περιεχόμενο, διαγλωσσική ανάκτηση πληροφοριών (Parallel, content based cross language information retrieval). Τεχνολογικό Εκπαιδευτικό Ίδρυμα Αθήνας , ως μέλος της κύριας ερευνητικής ομάδας. 15) ΠΑΧΒΠ: Λογισμικό Προσομοίωσης Ανθρώπου-Χειριστή σε Βιομηχανική Παραγωγή (ΠΑΧΒΠ) Χρησιμοποιώντας Νευρο-Ασαφή Μοντέλα που Αξιοποιούν Βέλτιστα Ανόμοιους Τύπους Πληροφορίας. Τεχνολογικό Εκπαιδευτικό Ίδρυμα Καβάλας , με την ιδιότητα του επιστημονικού υπεύθυνου, στα πλαίσια του ερευνητικού προγράμματος Αρχιμήδης Ι. 16) ΚΑΡΠΟΣ: Κατασκευή ηλεκτρονικής συσκευής μετρήσεων θερμοκρασίας και υγρασίας καθώς και λήψη μετρήσεων σε φούρνο παρασκευής ξηρών καρπών με σκοπό τον προσδιορισμό του βέλτιστου συνδυασμού θερμοκρασίας-υγρασίας όπου θα πρέπει να διακόπτεται το ψήσιμο ξηρών καρπών ώστε να βελτιστοποιείται η ποιότητα του παραγόμενου προϊόντος. Κέντρο Τεχνολογικής Έρευνας Ανατολικής Μακεδονίας - Θράκης (ΚΤΕ-ΑΜΘ) 2007, με την ιδιότητα του επιστημονικού υπεύθυνου. 17) IMAGFINs: Ανάπτυξη τεχνικών αναπαράστασης ψηφιακών εικόνων με διανύσματα ασαφών αριθμών διαστήματος (Fuzzy Interval Numbers ή FINs), όπου ένα FIN αναπαριστά μια κατανομή μετρήσεων. Με βάση τις προαναφερθείσες τεχνικές αναπαράστασης, αναπτύχθηκαν καινοτόμοι αλγόριθμοι για αξιόπιστη ταξινόμηση ψηφιακών εικόνων. ΤΕΙ Καβάλας, με την ιδιότητα του επιστημονικού υπεύθυνου (μαζί με τον Στ. Παπαδάκη). 18) ΕΞΤΡΑ: Μελέτη και κατασκευή ηλεκτρονικού συστήματος αυτόματου έλεγχου για τον υπολογισμό και την μεταφορά-προς-ανάμιξη συστατικών υγρών για την παραγωγή ούζου. Κέντρο Τεχνολογικής Έρευνας Ανατολικής Μακεδονίας - Θράκης (ΚΤΕ-ΑΜΘ) 2009, με την ιδιότητα του επιστημονικού υπεύθυνου. 3

4 Διδασκαλία Επιβλέπων Εκλέκτορας Εαρινό εξάμηνο 1987: Έχω βοηθήσει στο εργαστήριο του μαθήματος Τηλεπικοινωνιακά Συστήματα στο Εθνικό Μετσόβιο Πολυτεχνείο (12 ώρες στο εργαστήριο). Εαρινό εξάμηνο 1988: Διδασκαλία του μαθήματος EE381 Σήματα και Συστήματα (EE381 Signals & Systems) στο University of Nevada, Reno (40 ώρες στην αίθουσα διδασκαλίας) με την ιδιότητα του διδάσκοντα βοηθού (teaching assistant). Εαρινό εξάμηνο 1990: Διδασκαλία του μαθήματος EE301 Ηλεκτρονικά Κυκλώματα και Συστήματα (EE301 Circuits & Systems) στο University of Nevada, Reno (40 ώρες στην αίθουσα διδασκαλίας) με την ιδιότητα του διδάσκοντα βοηθού (teaching assistant). Χειμερινό εξάμηνο 1990: Διδασκαλία του εργαστηριακού μαθήματος ΕΕ490 Ηλεκτρονικές Κατασκευές (EE490 Electrical Projects Laboratory) στο University of Nevada, Reno (30 ώρες στο εργαστήριο) με την ιδιότητα του διδάσκοντα βοηθού (teaching assistant). Χειμερινό εξάμηνο 1998, Εαρινό εξάμηνο 1999: Εισηγητής ενός εκπαιδευτικού σεμιναρίου στο Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, για καθηγητές της μέσης εκπαίδευσης (πρόγραμμα ΣΕΛΕΤΕ) αναφορικά με τη χρήση του λογισμικού MATLAB για το σχεδιασμό ελεγκτών σε διάφορα προβλήματα αυτομάτου ελέγχου (16 ώρες στο εργαστήριο). Χειμερινά εξάμηνα : Έχω βοηθήσει στο εργαστήριο του μαθήματος Ευφυή Συστήματα Ρομπότ στο τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Αριστοτέλειου Πανεπιστήμιου Θεσσαλονίκης (15 ώρες στο εργαστήριο ανά εξάμηνο). Εαρινά εξάμηνα : Έχω βοηθήσει στο εργαστήριο του μαθήματος Συστήματα Αυτομάτου Ελέγχου, στο τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Αριστοτέλειου Πανεπιστήμιου Θεσσαλονίκης (15 ώρες στο εργαστήριο ανά εξάμηνο). Χειμερινά εξάμηνα : Έχω βοηθήσει στο εργαστήριο του μαθήματος Κλασσικός Αυτόματος Έλεγχος στο τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Αριστοτέλειου Πανεπιστήμιου Θεσσαλονίκης (20 ώρες στο εργαστήριο ανά εξάμηνο). Μάιος 2000: Εισηγητής σεμιναρίου σε θέματα 1) Νευρωνικών Δικτύων, και 2) Νευροασαφούς Ελέγχου, που οργανώθηκε στην Πολυτεχνική Σχολή του Αριστοτέλειου Πανεπιστήμιου Θεσσαλονίκης στα πλαίσια του ανθρώπινου δικτύου ΚΤΗΣΙΒΙΟΣ με χορηγία της Γενικής Γραμματείας Έρευνας και Τεχνολογίας (9 διδακτικές ώρες) : Διδασκαλία του εργαστηριακού μαθήματος Ευφυής Έλεγχος στο τμήμα Αυτοματισμού του Τεχνολογικού Εκπαιδευτικού Ιδρύματος (ΤΕΙ) Θεσσαλονίκης με την ιδιότητα του επιστημονικού συνεργάτη με πλήρη προσόντα : Διδασκαλία των εργαστηριακών μαθημάτων 1) Τεχνητή Νοημοσύνη, και 2) Μεθοδολογίες Προγραμματισμού στο τμήμα Πληροφορικής του Τεχνολογικού Εκπαιδευτικού Ιδρύματος (ΤΕΙ) Θεσσαλονίκης με την ιδιότητα του επιστημονικού συνεργάτη με πλήρη προσόντα : Διδασκαλία του μαθήματος Μηχανική Μάθηση (Machine Learning) στο Διαπανεπιστημιακό Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών Προηγμένα Συστήματα Υπολογιστών και Επικοινωνιών με Διευθυντή του προγράμματος τον καθ. Βασ. Πετρίδη του τμήματος Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Α.Π.Θ : Διδασκαλία των μαθημάτων 1) Νοήμονα Συστήματα, 2) Ρομποτική, και 3) Τεχνητή Νοημοσύνη στο τμήμα Βιομηχανικής Πληροφορικής του Τεχνολογικού Εκπαιδευτικού Ιδρύματος (ΤΕΙ) Καβάλας με την ιδιότητα του Καθηγητή. Επιβλέπων Καθηγητής σε 15 πτυχιακές εργασίες στο ΤΕΙ Καβάλας. Επιβλέπων Καθηγητής σε 1 μεταπτυχιακή εργασία στο ΤΕΙ Καβάλας. Φεβρουάριος 2008: Μέλος της Τριμελούς Εισηγητικής Επιτροπής (Γραμματή Πάντζιου, Βασίλειος Καμπουρλάζος, και Δημήτριος Κεχαγιάς) για την κρίση της μονιμοποίησης του Βασίλειου Μάμαλη στη θέση της βαθμίδας Επίκουρου Καθηγητή με αντικείμενο «Λειτουργικά Συστήματα» στο Τμήμα Πληροφορικής του ΤΕΙ Αθήνας. Οκτώβριος 2008: Εκλέκτορας για την κρίση πλήρωσης της θέσης με γνωστικό αντικείμενο «Τεχνολογίες Λειτουργικών Συστημάτων & Δικτύων Υπολογιστών» στη βαθμίδα του Επίκουρου Καθηγητή στο Τμήμα Πληροφορικής του ΤΕΙ Θεσσαλονίκης. Εκλέχτηκε ο κ. Περικλής Χατζημίσιος. Μάρτιος 2009: Εκλέκτορας για την κρίση πλήρωσης της θέσης με γνωστικό αντικείμενο «Δίκτυα Υπολογιστών Ασφάλεια Δικτύων» στη βαθμίδα του Επίκουρου Καθηγητή στο Τμήμα Βιομηχανικής Πληροφορικής του ΤΕΙ Καβάλας. Εκλέχτηκε ο κ. Κωνσταντίνος 4

5 Ράντος. Μάιος 2009: Εκλέκτορας για την κρίση πλήρωσης της θέσης με γνωστικό αντικείμενο «Υπολογιστικές Μέθοδοι και Προσομοιώσεις» στη βαθμίδα του Αναπληρωτή Καθηγητή στο Τμήμα Πληροφορικής & Επικοινωνιών του ΤΕΙ Σερρών. Εκλέχτηκε ο κ. Χρήστος Αναστασίου. Ιούνιος 2009: Εκλέκτορας για την κρίση πλήρωσης της θέσης με γνωστικό αντικείμενο «Προγραμματισμός Ηλεκτρονικών Υπολογιστών» στη βαθμίδα του Καθηγητή Εφαρμογών στο Τμήμα Πληροφορικής του ΤΕΙ Αθήνας. Εκλέχτηκε ο κ. Γεώργιος Μπαρδής. Ιούνιος 2009: Εκλέκτορας για την κρίση πλήρωσης της θέσης με γνωστικό αντικείμενο «Λειτουργικά Συστήματα» στη βαθμίδα του Αναπληρωτή Καθηγητή στο Τμήμα Πληροφορικής του ΤΕΙ Αθήνας. Εκλέχτηκε ο Επίκουρος Καθηγητής Βασίλειος Μάμαλης. Ιούνιος 2009: Εκλέκτορας για την κρίση πλήρωσης της θέσης με γνωστικό αντικείμενο «Τεχνολογία Λογισμικού» στη βαθμίδα του Επίκουρου Καθηγητή στο Τμήμα Βιομηχανικής Πληροφορικής του ΤΕΙ Καβάλας. Εκλέχτηκε ο κ. Θεόδωρος Παχίδης. Ιούλιος 2009: Εκλέκτορας για την κρίση της μονιμοποίησης του Καθηγητή Εφαρμογών Βασίλειου Μαρδύρη στο Τμήμα Διαχείρισης Πληροφοριών του ΤΕΙ Καβάλας. Ιούλιος 2009: Πρόεδρος της Τριμελούς Εισηγητικής Επιτροπής (Βασίλειος Καμπουρλάζος, Παναγιώτης Αδαμίδης, και Παναγιώτης Σφέτσος) για την κρίση της μονιμοποίησης του Κωνσταντίνου Γουλιάνα στη θέση της βαθμίδας Επίκουρου Καθηγητή με αντικείμενο «Προγραμματισμός Επιστημονικών Εφαρμογών & Αριθμητική Ανάλυση - Νευρωνικά Δίκτυα» στο Τμήμα Πληροφορικής του ΑΤΕΙ Θεσσαλονίκης. Ανάπτυξη Λογισμικού Διάφορα Άνοιξη 1987: Ανάπτυξη λογισμικού στη γλώσσα προγραμματισμού Pascal στο Εθνικό Μετσόβιο Πολυτεχνείο με σκοπό την προσομοίωση αλγόριθμων δρομολόγησης δεδομένων σε δίκτυα Ηλεκτρονικών Υπολογιστών. Φθινόπωρο 1996: Ανάπτυξη λογισμικού στη γλώσσα προγραμματισμού C για λογαριασμό μιας τοπικής εταιρίας ηλεκτρονικών παιγνιδιών στη Θεσσαλονίκη. Αύγουστος 1998: Ανάπτυξη του πακέτου λογισμικού PRP στη γλώσσα προγραμματισμού Visual BASIC στο Εργαστήριο Ρομποτικής και Αυτοματισμού του τμήματος Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Αριστοτέλειου Πανεπιστήμιου Θεσσαλονίκης με σκοπό την αναγνώριση προτύπων. Ιανουάριος Μάιος 2000: Ανάπτυξη και εφαρμογή μέσω διαδικτύου του εκπαιδευτικού λογισμικού ΕΛΣΑΕ με δυνατότητες αλληλεπίδρασης και αυτοαξιολόγησης από τους φοιτητές των μαθημάτων Κλασσικός Αυτόματος Έλεγχος και Συστήματα Αυτομάτου Ελέγχου στο τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Αριστοτέλειου Πανεπιστήμιου Θεσσαλονίκης. Ιούνιος Δεκέμβριος 2003: Ανάπτυξη λογισμικού υλοποίησης του αλγόριθμου Fuzzy Lattice Reasoning (FLR) για κατάταξη (classification). Έχει μεθοδευτεί η ενσωμάτωση του αλγόριθμου FLR στην πλατφόρμα WEKA ( Μάιος Μάιος 2008: Εποπτεία και συντονισμός ανάπτυξης και εφαρμογής μέσω διαδικτύου της πλατφόρμας λογισμικού PARES (Platform for Adaptive and Reliable Evaluation of Students) για αυτό-αξιολόγηση και εξέταση σπουδαστών σε διάφορα μαθήματα στο Τεχνολογικό Εκπαιδευτικό Ίδρυμα (ΤΕΙ) Καβάλας. Μέλος σε 1. Τεχνικό Επιμελητήριο της Ελλάδας, 2. IEEE Computational Intelligence Society, 3. IEEE Systems, Man, and Cybernetics Society, 4. IEEE Computer Society, 5. Association of Computing Machinery (ACM), 6. Sigma Xi, the Scientific Research Society (Ελβετία), 7. Phi Kappa Phi, the National Honor Society (ΗΠΑ), 8. Tau Beta Pi, the National Engineering Honor Society (ΗΠΑ), 9. Eta Kappa Nu, the Electrical Engineering Honor Society (ΗΠΑ), 10. Delta Phi Alpha, the German Honor Society (ΗΠΑ). 11. CoIL, the Computational Intelligence and Learning Cluster (Ευρωπαϊκή Ένωση). 12. EUCogII - 2nd European Network for the Advancement of Artificial Cognitive Systems, Interaction and Robotics 5

6 Κριτής στα παρακάτω περιοδικά του Science Citation Index IEEE Transactions on Systems, Man and Cybernetics. IEEE Transactions on Neural Networks. IEEE Transactions on Fuzzy Systems. Neural Networks. Decision Support Systems. Information Sciences: An International Journal. Journal of Multiple-Valued Logic and Soft Computing. Συμμετοχή σε διοργάνωση συνεδρίων 1) Διεθνές συνέδριο International Conference on Fuzzy Systems (FUZZ-IEEE 2004) July 2004, Budapest, Hungary. Προεδρεύων μιας συνεδρίασης (poster) με τίτλο: System Architectures and Hardware, Tuesday, July 27, 5:30PM-7:00PM. 2) Διεθνές συνέδριο Optics and Photonics 2005 (sponsored by SPIE The International Society for Optical Engineering), 31 July 4 August 2005, San Diego, California, USA. Μέλος της οργανωτικής επιτροπής (Program Committee) της συνεδρίασης OEI321 με τίτλο: Fuzzy Set Theory and Neural Network Methods in Image Analysis and Pattern Recognition (με προεδρεύοντες τους G.X. Ritter & I.L.D.L. Santiago). 3) Παγκόσμιο συνέδριο World Congress on Computational Intelligence (WCCI 2006) July 2006, Vancouver, BC, Canada. Ηγούμενος προεδρεύων (leading chairman) τριών προφορικών (oral) ειδικών συνεδριάσεων (special sessions) με κοινό τίτλο: Computational Intelligence Based on Lattice Theory στο πρόγραμμα FUZZ-IEEE Άλλοι δύο προεδρεύοντες ήταν οι Gerhard Ritter και Michael Georgiopoulos. 4) Διεθνές συνέδριο 8th International Conference on Natural Computing, July 2007, Salt Lake City, Utah, USA. Μέλος της οργανωτικής επιτροπής (Program Committee) με προεδρεύοντα τον Manuel Graña. 5) Παγκόσμιο συνέδριο World Congress on Computational Intelligence (WCCI 2008) 1-6 June 2008, Hong Kong, China. Μέλος της οργανωτικής επιτροπής (Technical Committee). 6) Διεθνές συνέδριο Concept Lattices and Their Applications (CLA 2008) October 2008, Olomouc, The Czech Republic. Ηγούμενος προεδρεύων (leading chairman) εργαστηρίου (workshop) με τίτλο: Lattice-Based Modeling. Άλλοι δύο προεδρεύοντες ήταν οι Uta Priss και Manuel Graña. 7) Διεθνές συνέδριο Statistical Technics in Pattern Recognition (SPR 2008), 4-22 December 2008, Orlando, Florida, USA. Μέλος της οργανωτικής επιτροπής (Program Committee) με προεδρεύοντα τον Michael Georgiopoulos. 8) Διεθνές συνέδριο 4 th International ICSC Symposium on Information Technologies in Environmental Engineering (ITEE) 2009, May 2009, Thessaloniki, Greece. Μέλος της οργανωτικής επιτροπής (Program Committee) με προεδρεύοντες τους Ioannis N. Athanasiadis, Pericles A. Mitkas, Andrea-Emilio Rizzoli, Jorge Marx-Gómez. Ιδρυτικό Στέλεχος Ιδρυτικό στέλεχος του Ελληνικού παραρτήματος της IEEE Education Society, 5 Δεκεμβρίου 2004, Αθήνα. Οργάνωση Ερευνητικού Σεμιναρίου 2002/2003 στο ΤΕΙ Καβάλας κατά τη διάρκεια δύο εξαμήνων με συμμετοχή 5+9=14 ομιλητών από την τριτοβάθμια εκπαίδευση και την τοπική βιομηχανία. Ομιλητής Κεντρικός ομιλητής στην ετήσια συνάντηση της ερευνητικής κοινότητας Sigma-Xi, παράρτημα Ελβετίας, Βέρνη, 19/4/1997 με θέμα Imitating Life: An Engineering Approach. Ομιλητής στο σεμινάριο Θεωρία, Εφαρμογές και Προοπτικές της Τεχνολογίας Νευρωνικών Δικτύων που οργανώθηκε στη ΦΣΜ Σχολή του ΑΠΘ από το δίκτυο διάδοσης της Ε&Τ Γνώσης ΝΕΥΡΩΝ με χορηγία της ΓΓΕΤ. 13 Οκτώβρη 1997, Θεσ/νίκη. Ομιλητής στην πρώτη Ημερίδα του ανθρώπινου δικτύου ΚΤΗΣΙΒΙΟΣ, Αθήνα, 23 Ιουνίου 2000, με θέμα Εκπαιδευτικό Λογισμικό για Συστήματα Αυτομάτου Ελέγχου (ΕΛΣΑΕ). Προσκεκλημένος ομιλητής (invited speaker) στα πλαίσια του 9 ου διεθνούς συνεδρίου IWANN 2007 (International Work-erence on Artificial Neural Networks) στο San Sebastian της Ισπανίας, Ιουνίου

7 Βιογραφικό Καταχώρηση βιογραφικού στις παρακάτω εκδόσεις της εταιρίας MARQUIS Who s Who, New Providence, NJ: 1) Who s Who in Science and Engineering, 2) Who s Who in Finance and Industry, και 3) Who s Who in the World. Διοικητικά Ακαδημαϊκό έτος : Εκλεγμένος αντιπρόεδρος του σπουδαστικού τμήματος του Institute of Electrical and Electronics Engineers (IEEE) στη Northern Nevada. Άνοιξη Άνοιξη 1997: Διαχειριστής Προγράμματος (Project manager) του έργου Brite Euram BE7470 (έργο MITOS) στο Εργαστήριο Ρομποτικής και Αυτοματισμού, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. 2003: Διευθυντής του Τομέα Υπολογιστικών Συστημάτων στο Τμήμα Βιομηχανικής Πληροφορικής του Τεχνολογικού Εκπαιδευτικού Ιδρύματος (ΤΕΙ) Καβάλας. 2003: Αναπληρωτής Προϊστάμενος του Τμήματος Βιομηχανικής Πληροφορικής του Τεχνολογικού Εκπαιδευτικού Ιδρύματος (ΤΕΙ) Καβάλας : Προϊστάμενος του Τομέα Εφαρμογών Πληροφορικής στο Κέντρο Τεχνολογικής Έρευνας (ΚΤΕ) του Τεχνολογικού Εκπαιδευτικού Ιδρύματος (ΤΕΙ) Καβάλας. Βαθμολογία Μέσος όρος βαθμολογίας μεταπτυχιακών σπουδών στις ΗΠΑ (GPA) 4.0 /4.0. Βραβείο κατά τη Διάρκεια των Μεταπτυχιακών Σπουδών Βραβείο καλύτερου επιστημονικού άρθρου το 1990 σε διαγωνισμό μεταξύ των μεταπτυχιακών φοιτητών του Πανεπιστήμιου University of Nevada, Reno με τη χορηγία των ακαδημαϊκών κοινοτήτων Sigma-Xi και Phi-Kappa-Phi. Τεχνική Εργασία κατά τη Διάρκεια των Προπτυχιακών Σπουδών Καλοκαίρι 1985: Συμμετέχοντας στο πρόγραμμα ανταλλαγής φοιτητών IAESTE της UNESCO, τεχνική εργασία στο University of Tel-Aviv στο Ισραήλ σχετικά με τροποποιήσεις του ηλεκτρονικού συστήματος εξοικονόμησης ενέργειας ενός ηλιακού αυτοκινήτου. Καλοκαίρι 1986: Εργασία στη ΔΕΗ Ταύρου Αττικής στη συντήρηση των ηλεκτρονικών συστημάτων μέτρησης και κοστολόγησης βιομηχανικών πελατών. Ξένες Γλώσσες Αγγλικά, Ελληνικά. Εξοικείωση με Γερμανικά και Γαλλικά. Στοιχεία Ρώσικων. 7

8 ΚΑΤΑΛΟΓΟΣ ΔΗΜΟΣΙΕΥΣΕΩΝ Ερευνητικές Μονογραφίες (ΕΜ) [ΕΜ#1] Kaburlasos VG, Towards a Unified Modeling and Knowledge-Representation Based on Lattice Theory Computational Intelligence and Soft Computing Applications. Heidelberg, Germany: Springer, series: Studies in Computational Intelligence, vol. 27, 2006, ISBN: ( Επιμέλεια Τόμων (ΕΤ) [ΕΤ#1] Kaburlasos VG, and Ritter GX (eds.) Computational Intelligence Based on Lattice Theory. Heidelberg, Germany: Springer, series: Studies in Computational Intelligence, vol. 67, 2007, ISBN: ( [ΕΤ#2] Kaburlasos V, Priss U, and Graña M (eds.), LBM 2008 (CLA 2008), Proceedings of the Lattice-Based Modeling Workshop, in conjunction with The Sixth International Conference on Concept Lattices and Their Applications. Olomouc, The Czech Republic: Palacký University, 2008, ISBN: [ΕΤ#3] Kaburlasos V (Guest Editor), Special Issue on: Information Engineering Applications Based on Lattices, Information Sciences. The Call-for-Papers appears at the journal s official URL at Submission of full papers deadline: 15 July 2009, Scheduled to be published in Κεφάλαια Βιβλίων (ΚΒ) [KΒ#1] Kaburlasos VG, and Petridis V, Learning and decision-making in the framework of fuzzy lattices. In: New Learning Paradigms in Soft Computing, L.C. Jain and J. Kacprzyk (eds.), pp , Heidelberg, Germany: Physica-Verlag, series: Studies in Fuzziness and Soft Computing, vol. 84, ISBN: ( [KΒ#2] Kaburlasos VG, Granular enhancement of fuzzy-art/som neural classifers based on lattice theory. In: Computational Intelligence Based on Lattice Theory, V.G. Kaburlasos and G.X. Ritter (eds.). pp. 3-23, Heidelberg, Germany: Springer, series: Studies in Computational Intelligence, vol. 67, ISBN: ( [KΒ#3] Kaburlasos VG, Unified analysis and design of ART/SOM neural networks and fuzzy inference systems based on lattice theory. In: Computational and Ambient Intelligence, F. Sandoval, A. Prieto, J. Cabestany, M. Graña (eds.), pp , Springer-Verlag, series: Lecture Notes Computer Science (LNCS), vol. 4507, ISBN: [KΒ#4] Kaburlasos VG, Neural/Fuzzy Computing Based on Lattice Theory. In: Encyclopedia of Artificial Intelligence, Juan Ramón Rabuñal Dopico, Julián Dorado de la Calle, Alejandro Pazos Sierra (eds.), pp , Information Science Reference, IGI Global publication. Δημοσιεύσεις σε Επιστημονικά Περιοδικά (ΕΠ) [ΕΠ#1] Egbert DD, Goodman PH, Kaburlasos VG, and Whitchey JH, Generalization capabilities of subtle image pattern classifiers, IEEE Transactions on Knowledge and Data Engineering, vol. 4, no. 2, pp , J [ΕΠ#2] Kaburlasos VG, and Petridis V, Fuzzy lattice neurocomputing (FLN): a novel connectionist scheme for versatile learning and decision making by clustering, International Journal of Computers and Their Applications, vol. 4, no. 3, pp , [ΕΠ#3] Petridis V, and Kaburlasos VG, Fuzzy lattice neural network (FLNN): a hybrid model for learning, IEEE Transactions on Neural Networks, vol. 9, no. 5, pp , 1998 (Special Issue on Neural Networks and Hybrid Intelligent Models: Foundations, Theory, and Applications. Guest Editors: C. Lee Giles, Ron Sun). [ΕΠ#4] Petridis V, and Kaburlasos VG, Learning in the framework of fuzzy lattices, IEEE Transactions on Fuzzy Systems, vol. 7, no. 4, pp , Errata in IEEE Transactions on Fuzzy Systems, vol. 8, no. 2, p. 236, [ΕΠ#5] Kaburlasos VG, Petridis V, Brett P, and Baker D, Estimation of the stapes-bone thickness in stapedotomy surgical procedure using a machine-learning technique, IEEE Transactions on Information Technology in Biomedicine, vol. 3, no. 4, pp , [ΕΠ#6] Kaburlasos VG, and Petridis V, Fuzzy lattice neurocomputing (FLN) models, Neural Networks, vol. 13, no. 10, pp ,

9 [ΕΠ#7] Petridis V, and Kaburlasos VG, Clustering and classification in structured data domains using fuzzy lattice neurocomputing (FLN), IEEE Transactions on Knowledge and Data Engineering, vol. 13, no. 2, pp , 2001 (Special Section on Connectionist Models for Learning in Structured Domains. Guest Editors: Paolo Frasconi, Marco Gori, Alessandro Sperduti). [ΕΠ#8] Kaburlasos VG, Spais V, Petridis V, Petrou L, Kazarlis S, Maslaris N, and Kallinakis A, Intelligent clustering techniques for prediction of sugar production, Mathematics and Computers in Simulation, vol 60, iss. 3-5, pp , 2002 (Special Issue on Intelligent Forecasting, Fault Diagnosis, Scheduling, and Control. Guest Editors: Spyros G. Tzafestas, Elpida S. Tzafestas). [ΕΠ#9] Petridis V, Kazarlis S, and Kaburlasos VG, ACES: an interactive software platform for self-instruction and self-evaluation in automatic control systems, IEEE Transactions on Education, vol. 46, no. 1, pp , [ΕΠ#10] Petridis V, and Kaburlasos VG, FINkNN: a fuzzy interval number k-nearest neighbor classifier for prediction of sugar production from populations of samples, Journal of Machine Learning Research, vol. 4(Apr), pp , [ΕΠ#11] Kehagias A, Petridis V, Kaburlasos VG, and Fragkou P, A comparison of word- and sense-based text categorization using several classification algorithms, Journal of Intelligent Information Systems, vol. 21(Nov), no. 3, pp , [ΕΠ#12] Kaburlasos VG, FINs: lattice theoretic tools for improving prediction of sugar production from populations of measurements, IEEE Transactions on Systems, Man and Cybernetics Part B, vol. 34, no. 2, pp , [ΕΠ#13] Papadakis SE, Tzionas P, Kaburlasos VG, and Theocharis JB, A genetic based approach to the Type I structure identification problem, Informatica, vol. 16, no. 3, pp , [ΕΠ#14] Kaburlasos VG, and Kehagias A, Novel fuzzy inference system (FIS) analysis and design based on lattice theory. part I: working principles, International Journal of General Systems, vol. 35, no. 1, pp , [ΕΠ#15] Kaburlasos VG, and Papadakis SE, Granular self-organizing map (grsom) for structure identification, Neural Networks, vol. 19, no. 5, pp , [ΕΠ#16] Kaburlasos VG, and Kehagias A, Novel fuzzy inference system (FIS) analysis and design based on lattice theory, IEEE Transactions on Fuzzy Systems, vol. 15, no. 2, pp , [ΕΠ#17] Kaburlasos VG, Athanasiadis IN, and Mitkas PA, Fuzzy lattice reasoning (FLR) classifier and its application for ambient ozone estimation, International Journal of Approximate Reasoning, vol. 45, no. 1, pp , [ΕΠ#18] Kaburlasos VG, Marinagi CC, and Tsoukalas VT, Personalized multi-student improvement based on Bayesian cybernetics, Computers & Education, vol. 51, no. 4, pp , [ΕΠ#19] Kaburlasos VG and Papadakis S, A granular extension of the fuzzy-artmap (FAM) neural classifier based on fuzzy lattice reasoning (FLR), Neurocomputing, vol. 72, no , pp , 2009 (Special Section on Lattice Computing and Natural Computing. Guest Editor: Manuel Graña). [ΕΠ#20] Kaburlasos VG, Moussiades L, and Vakali A, Fuzzy lattice reasoning (FLR) type neural computation for weighted graph partitioning, Neurocomputing, vol. 72, no , pp , 2009 (Special Section on Lattice Computing and Natural Computing. Guest Editor: Manuel Graña). Δημοσιεύσεις Υποβληθείσες [ΕΠ#21] Papadakis S and Kaburlasos VG, Piecewise-linear approximation of nonlinear models based on probabilistically/possibilistically interpreted Intervals' Numbers (INs), Information Sciences, (submitted) (Special Issue on Information Engineering Applications Based on Lattices. Guest Editor: Vassilis G. Kaburlasos). Δημοσιεύσεις σε Άλλα Περιοδικά (ΑΠ) J [ΑΠ#1] Kaburlasos VG, The engineering of scientific induction, Journal of Liberal Arts, vol. 4, no. 2, pp , ΥΠΟΜΝΗΜΑ: : Science Citation Index (publication). J: (a non- ) Journal. 9

10 2007 Journal Impact Factors A/A Όνομα Περιοδικού Impact Factor Έτος 1 IEEE Transactions on Knowledge and Data Engineering International Journal of Computers and Their Applications IEEE Transactions on Neural Networks IEEE Transactions on Fuzzy Systems IEEE Transactions on Information Technology in Biomedicine Neural Networks Mathematics and Computers in Simulation IEEE Transactions on Education Journal of Machine Learning Research Journal of Intelligent Information Systems IEEE Transactions on Systems, Man and Cybernetics Part B Informatica International Journal of General Systems International Journal of Approximate Reasoning Computers & Education Neurocomputing

11 Δημοσιεύσεις σε Συνέδρια (Σ) [Σ#1] [Σ#2] [Σ#3] [Σ#4] [Σ#5] [Σ#6] [Σ#7] [Σ#8] [Σ#9] Kaburlasos VG, Egbert DD, and Goodman PH, Neurocomputing classification of biomedical image patterns, Proceedings of the International Society for Mini and Microcomputers (ISMM) International Conference on Computer Applications in Design Simulation and Analysis, Reno NV, Feb Goodman PH, Egbert DD, and Kaburlasos VG, Whiplash detection using neural network processing of infrared thermograms, Proceedings of the 18th Annual Meetings American Academy of Thermology, Johns Hopkins, May 1989, and an abstract in The Journal of the American Academy of Thermology and The Intl College of Thermology, Vol. 3, No. 2, 1989, pp Kaburlasos VG, Egbert DD, and Tacker EC, Self-adaptive multidimensional euclidean neural networks for pattern recognition, Proceedings of the IEEE 1989 International Joint Conference on Neural Networks (IJCNN 89), Washington DC, June 1989, vol. 2, pp Egbert DD, Kaburlasos VG, and Goodman PH, Invariant feature extraction for neurocomputer analysis of biomedical images, Proceedings of the Second Annual IEEE Symposium on Computer-Based Medical Systems, Univ. of Minnesota, June 1989, pp Kaburlasos VG, Tacker EC, and Egbert DD, A plastic self-adaptive learning machine for pattern recognition, Proceedings of the 1989 IEEE International Conference on Systems, Man and Cybernetics, Cambridge MA, November 1989, vol. 2, pp Egbert DD, Kaburlasos VG, and Goodman PH, Neural network discrimination of subtle image patterns, Proceedings of the IEEE 1990 International Joint Conference on Neural Networks (IJCNN 90), San-Diego CA, June 1990, vol. 1, pp Kaburlasos VG, Publicover NG, Egbert DD, Liu G, and Burbey IE, Monitoring the propagation of electrical excitation in smooth muscle tissue: a B-spline approach, Proceedings of the IASTED 1990 International Conference on Artificial Intelligence Applications and Neural Networks, Zurich Switzerland, June Kaburlasos VG, Egbert DD, and Rao M, A hardware implementation of the adaptive resonance theory neural network, Proceedings of the 1991 Golden West Conference on Intelligent Systems, Reno NV, 3-5 June 1991, pp Whitchey JH, Egbert DD, Kaburlasos VG, and Goodman PH, Unsupervised neural network discrimination of subtle image patterns, Proceedings of the 1991 Golden West Conference on Intelligent Systems, Reno NV, 3-5 June 1991, pp [Σ#10] Goodman PH, Kaburlasos VG, Egbert DD, Carpenter GA, Grossberg S, Reynolds JH, Hammermeister K, Marshall G, and Grover F, Fuzzy ARTMAP neural network prediction of heart surgery mortality, Proceedings of the Wang Conference on Neural Networks Learning, Recognition, and Control, Boston MA, May 1992, pp. 48. [Σ#11] [Σ#12] [Σ#13] [Σ#14] [Σ#15] [Σ#16] [Σ#17] [Σ#18] Kelly AJ, Goodman PH, Kaburlasos VG, Egbert DD, and Hardin ME, Neural network prediction of child sexual abuse, Clinical Research, vol. 40, iss. 1, pp. A99, Goodman PH, Kaburlasos VG, Egbert DD, Carpenter GA, Grossberg S, Reynolds JH, Rosen DB, and Hartz AJ, Fuzzy ARTMAP neural network compared to linear discriminant analysis prediction of the length of hospital stay in patients with pneumonia, in Fuzzy Logic Technology & Applications, R.J. Marks II (ed.), chapter 11 Bioengineering, New York, NY: IEEE Press (Proceedings of the IEEE 1992 Intl. Conf. on Systems, Man and Cybernetics, Chicago IL, October 1992, vol. 1, pp ). Πετρίδης Β, Καμπουρλάζος Β, Πατεράκης Ε, και Κεχαγιάς Α, Ασαφείς, νευρωνικές και γενετικές μέθοδοι ευφυούς ελέγχου, Πρακτικά Διημέρου Σύγχρονες Τεχνολογίες Αυτομάτου Ελέγχου με χορηγό το Τεχνικό Επιμελητήριο Ελλάδας, Αθήνα, Ξενοδοχείο Intercontinental, Δεκ. 1995, σελ Petridis V, Kaburlasos VG, Brett P, Parker T, and Day JCC, Two level fuzzy lattice (2L-FL) supervised clustering: a new method for soft tissue identification in surgery, Proceedings of the CESA / IMACS 1996 Multierence, Lille France, 9-12 July 1996, pp Kaburlasos VG, and Petridis V, Fuzzy lattice neurocomputing (FLN), Proceedings of the Fifth International Conference on Intelligent Systems, Reno NV, June 1996, pp Petridis V, and Kaburlasos VG, FLN: A fuzzy lattice neurocomputing scheme for clustering, Proceedings of the 1996 World Congress on Neural Networks, San Diego CA, September 1996, pp Kaburlasos V, Petridis V, Allotta B, and Dario P, Automatic detection of bone breakthrough in orthopedics by fuzzy lattice reasoning (FLR): the case of drilling in the osteosynthesis of long bones, Proceedings of the Mechatronical Computer Systems for Perception and Action (MCPA 97), Pisa Italy, February 1997, pp Kaburlasos VG, Petridis V, Brett P, and Baker D, On-line estimation of the stapes-bone thickness in stapedotomy by learning a linear association of the force and torque drilling profiles, Proceedings of the 11

12 IASTED 1997 International Conference on Intelligent Information Systems (ISS 97), Grand Bahama Island, Bahamas, 8-10 December 1997, pp [Σ#19] Kaburlasos VG, Petridis V, Brett P, and Baker D, Learning a linear association of drilling profiles in stapedotomy surgery, Proceedings of the IEEE 1998 International Conference on Robotics & Automation (ICRA 98), Leuven, Belgium, May 1998, vol.1, pp [Σ#20] Kaburlasos VG, and Petridis V, A unifying framework for hybrid information processing, Proceedings of the ISCA 7 th International Conference on Intelligent Systems (ICIS 98), Paris, France, 1-3 July 1998, pp [Σ#21] Πετρίδης Β, Καμπουρλάζος Β, και Κεχαγιάς Α, Εφαρμογές τεχνικών ευφυούς ελέγχου σε χειρουργικές επεμβάσεις, Πρακτικά 2 ου Συνεδρίου Τεχνολογίας και Αυτοματισμού, Θεσσαλονίκη, Συνεδριακό Κέντρο HELEXPO, 2-3 Οκτωβρίου 1998, σελ [Σ#22] Kaburlasos VG, and Petridis V, Regression on heterogeneous fuzzy data, Proceedings of the 7 th European Congress on Intelligent Techniques and Soft Computing (EUFIT 99), Aachen, Germany, September 1999, session CC2. [Σ#23] Petridis V, and Kaburlasos VG, Modeling of systems using heterogeneous data, Proceedings of the 1999 IEEE International Conference Systems, Man & Cybernetics (IEEE SMC 99), Tokyo, Japan, October 1999, session FQ04, pp. V308-V313. [Σ#24] Petridis V, and Kaburlasos VG, An intelligent mechatronics solution for automated tool guidance in the epidural surgical procedure, Proceedings of the 7 th Annual Conference on Mechatronics and Machine Vision in Practice (M2VIP 00), Hervey Bay, Australia, September 2000, pp [Σ#25] Πετρίδης Β, Καμπουρλάζος Β, Καζαρλής Σ, Πέτρου Λ, και Χασάπης Γ, Προσομοίωση και υπερ-κείμενο: Λογισμικό εξάσκησης σε συστήματα πραγματικού χρόνου (ΠΥΛΕΣ), Περιλήψεις Εισηγήσεων Πανελλήνιου Συνεδρίου με θέμα Έρευνα για την Ελληνική Εκπαίδευση με χορηγό το Κέντρο Εκπαιδευτικής Έρευνας (Κ.Ε.Ε.) του Υπουργείου Εθνικής Παιδείας & Θρησκευμάτων, Αθήνα, Ξενοδοχείο Τιτάνια, Σεπτεμβρίου 2000, σελ [Σ#26] Kaburlasos VG, Spais V, Petridis V, Petrou L, Kazarlis S, Maslaris N, and Kallinakis A, Intelligent clustering techniques for prediction of sugar production, Proceedings of the European Workshop on Intelligent Forecasting, Diagnosis and Control, Santorini, Greece, June [Σ#27] Petridis V, Petrou L, Kaburlasos VG, Spais V, and Kazarlis S, Models for predicting sugar production in Greece, Πρακτικά Πανελληνίου Συνεδρίου Αυτοματισμού, Ρομποτικής και Βιομηχανικής Παραγωγής Ο Ρόλος της Τεχνολογίας Πληροφοριών, Σαντορίνη, Ιουνίου [Σ#28] Petridis V, Kaburlasos VG, Fragkou P, and Kehagias A, Text classification using the σ-flnmap neural network, Proceedings of the 2001 International Joint Conference on Neural Networks (IJCNN 2001), Washington D.C., July 2001, vol. 2, pp [Σ#29] Kaburlasos VG, Novel fuzzy system modeling for automatic control applications, Proceedings 4 th Intl. Conference on Technology & Automation, Thessaloniki, Greece, 5-6 October 2002, pp [Σ#30] Kaburlasos VG, and Kazarlis S. σ-flnmap with voting (σflnmapwv): a genetically optimized ensemble of classifiers with the capacity to deal with partially-ordered, disparate types of data. Application to financial problems, Proceedings of the 4 th Intl. Conference on Technology & Automation, Thessaloniki, Greece, 5-6 October 2002, pp [Σ#31] Kaburlasos VG, and Petridis V, Improved prediction of industrial yield based on tools from a normed linear space of Fuzzy Interval Numbers (FINs), Proceedings of the 11 th Mediterranean Conference on Control and Automation (MED 03), Rhodes, Greece, June 2003, session FM1-B. [Σ#32] Cripps A, Kaburlasos VG, Nguyen N, and Papadakis SE, Improved experimental results using fuzzy lattice neurocomputing (FLN) classifiers, Proceedings of the International Conference on Machine Learning; Models, Technologies and Applications (MLMTA 03), Las Vegas, NV, June 2003, pp [Σ#33] Athanasiadis IN, Kaburlasos VG, Mitkas PA, and Petridis V. Applying machine learning techniques on air quality data for real-time decision support, Proceedings 1 st Intl. NAISO Symposium on Information Technologies in Environmental Engineering (ITEE 2003), Gdansk, Poland, June Technical Session 2: Practical Applications and Experiences. Abstract in ICSC-NAISO Academic Press, Canada (ISBN: ), p.51. [Σ#34] Kaburlasos VG, Moussiadis L, Tsoukalas V, Iliopoulou A, and Alevizos T, Adaptive technological education delivery and student examination based on machine-learning tools, Supplementary Proceedings International Conference on Artificial Neural Networks & International Conference on Neural Information Processing (ICANN/ICONIP 2003), Istanbul, Turkey, June 2003, pp (invited paper in Special Session SS05: Machine Learning Advances for Engineering Education). 12

13 [Σ#35] [Σ#36] [Σ#37] [Σ#38] [Σ#39] [Σ#40] [Σ#41] [Σ#42] [Σ#43] [Σ#44] [Σ#45] [Σ#46] [Σ#47] [Σ#48] [Σ#49] [Σ#50] [Σ#51] Cripps A, Nguyen N, and Kaburlasos VG, Three improved fuzzy lattice neurocomputing (FLN) classifiers, Proceedings of the 2003 International Joint Conference on Neural Networks (IJCNN 2003), Portland, OR, July 2003, vol. 3, pp Kaburlasos VG, Improved fuzzy lattice neurocomputing (FLN) for semantic neural computing, Proceedings of the 2003 International Joint Conference on Neural Networks (IJCNN 2003), Portland, OR, July 2003, vol. 3, pp Kaburlasos VG, Papadakis, SE, and Kazarlis S, A genetically optimized ensemble of σ-flnmap neural classifiers based on non-parametric probability distribution functions, Proceedings of the 2003 International Joint Conference on Neural Networks (IJCNN 2003), Portland, OR, July 2003, vol. 1, pp Kaburlasos VG, A device for linking brain to mind based on lattice theory, Proceedings of the 8 th International Conference on Cognitive and Neural Systems (ICCNS 2004), Boston University, Boston, MA, May 2004, p. 58. Papadakis SE, Marinagi CC, Kaburlasos VG, and Theodorides MK, Estimation of industrial production using the granular self-organizing map (grsom), Proceedings of the 12 th Mediterranean Conference on Control and Automation (MED 04), Kusadasi, Turkey, 6-9 June 2004, session TuM2- D. Kaburlasos VG, Papadakis SE, grsom: A granular extension of the self-organizing map for structure identification applications, Proceedings of the IEEE International Conference on Fuzzy Systems (FUZZ-IEEE 2004), Budapest, Hungary, July 2004, vol. 2, pp Kaburlasos VG, and Kehagias A, Novel analysis and design of fuzzy inference systems based on lattice theory, Proceedings of the IEEE International Conference on Fuzzy Systems (FUZZ-IEEE 2004), Budapest, Hungary, July 2004, vol.1 pp Kaburlasos VG, Marinagi CC, and Tsoukalas VT, PARES: a software tool for computer-based testing and evaluation used in the Greek higher education system, Proceedings of the 4 th IEEE International Conference on Advanced Learning Technologies (ICALT 2004), Joensuu, Finland, 30 August - 1 September 2004, pp Marinagi CC, Tsoukalas VT, and Kaburlasos VG, Work in Progress Development and use of a software tool for improving the average student performance in the Greek higher education system, Proceedings of the 34 th ASEE/IEEE Frontiers in Education Conference (FIE 2004), Savannah, Georgia, October 2004, session S3B, pp Kaburlasos VG, Chatzis V, Tsiantos V, and Theodorides M, Granular self-organizing map (grsom) neural network for industrial quality control, Proceedings of SPIE, Mathematical Methods in Pattern and Image Analysis, JT Astola, I Tăbuş, J Barrera (eds.), San Diego, California, 3-4 August 2005, vol. 5916, pp J: Papadakis SE, and Kaburlasos VG, mass-grsom: a flexible rule extraction for classification, 5 th Workshop on Self-Organizing Maps (WSOM 2005), Paris, France, 5-8 September 2005, pp Chatzis V, Kaburlasos VG, and Theodorides M, An image processing method for particle size and shape estimation, Proceedings of the 2 rd International Scientific Conference on Computer Science, Chalkidiki, Greece, 30 September - 2 October 2005, part II, pp Μαρινάγη Α, Τσουκαλάς Β, και Καμπουρλάζος Β, PARES: πληροφοριακό σύστημα εξ αποστάσεως προσαρμοστικής αξιολόγησης και αυτό-αξιολόγησης, Proceedings of the 3 rd International Conference on Open and Distance Learning (ICODL 2005) Applications of Pedagogy and Technology, Patras, Greece, November 2005, vol. A, pp Marinagi C, Alevizos T, Kaburlasos VG, and Skourlas C, Fuzzy interval number (FIN) techniques for cross language information retrieval, Proceedings of the 8th International Conference on Enterprise Information Systems (ICEIS 2006), Paphos, Cyprus, May 2006, pp Hatzimichailidis A, Kaburlasos V, Papadopoulos B, An implication in fuzzy sets, Proceedings of the World Congress on Computational Intelligence (WCCI) 2006, FUZZ-IEEE Program, Vancouver, BC, Canada, July 2006, pp Athanasiadis IN, and Kaburlasos V, Air quality assessment using fuzzy lattice reasoning (FLR), Proceedings of the World Congress on Computational Intelligence (WCCI) 2006, FUZZ-IEEE Program, Vancouver, BC, Canada, July 2006, pp Kaburlasos VG, Christoforidis A, Granular auto-regressive moving average (grarma) model for predicting a distribution from other distributions. Real-world applications, Proceedings of the World Congress on Computational Intelligence (WCCI) 2006, FUZZ-IEEE Program, Vancouver, BC, Canada, July 2006, pp

14 [Σ#52] [Σ#53] [Σ#54] [Σ#55] [Σ#56] [Σ#57] [Σ#58] [Σ#59] [Σ#60] [Σ#61] [Σ#62] [Σ#63] [Σ#64] [Σ#65] Marinagi CC, and Kaburlasos VG, Work in Progress Practical computerized adaptive assessment based on Bayesian decision theory, Proceedings of the 36 th ASEE/IEEE Frontiers in Education Conference (FIE 2006), San Diego, CA, October 2006, session S2E, pp Alevizos T, Kaburlasos VG, Papadakis S, and Skourlas C, Fuzzy interval numbers (FINs) techniques and applications, Proceedings of the 11 th Panhellenic Conference in Informatics (PCI 2007), Patras, Greece, May 2007, vol. B, pp Alevizos T, Kaburlasos VG, Papadakis S, Skourlas C, and Belsis P, Fuzzy interval number (FIN) techniques for multilingual and cross language information retrieval, Proceedings of the 9th International Conference on Enterprise Information Systems (ICEIS 2007), Funchal, Madeira - Portugal, June 2007, pp Papadakis S and Kaburlasos VG, Induction of classification rules from histograms, Joint Conference on Information Sciences (JCIS 2007), Proceedings of the 8 th International Conference on Natural Computing (NC 2007), Salt Lake City, Utah, July 2007, pp Kaburlasos VG and Papadakis S, Fuzzy lattice reasoning (FLR) implies a granular enhancement of the fuzzy-artmap classifier, Joint Conference on Information Sciences (JCIS 2007), Proceedings of the 8 th International Conference on Natural Computing (NC 2007), Salt Lake City, Utah, July 2007, pp Kaburlasos VG, Moussiades L, and Vakali A, Granular graph clustering in the Web, Joint Conference on Information Sciences (JCIS 2007), Proceedings of the 8 th International Conference on Natural Computing (NC 2007), Salt Lake City, Utah, July 2007, pp Skourlas C, Alevizos T, Belsis P, Fragos K, Kaburlasos VG, Papadakis S, Fuzzy Interval Numbers (FINs) techniques and its applications in natural language queries processing and documents classification, Proceedings of the 3 rd Balkan Conference in Informatics (BCI 2007), Sofia, Bulgaria, September 2007, pp Marinagi CC, Kaburlasos VG, and Tsoukalas VT, An architecture for an adaptive assessment tool, Proceedings of the 37 th ASEE/IEEE Frontiers in Education Conference (FIE 2007), Milwaukee, Wisconsin, October 2007, session T3D: Distance Learning Assessment Tools, pp Marinagi CC, Tsoukalas VT, and Kaburlasos VG, Modifying a client/server architecture to a Webbased architecture for adaptive assessment, 20 ο Εθνικό Συνέδριο Ελληνικής Εταιρίας Επιχειρησιακών Ερευνών, Αναργύρειος & Κοργιαλένειος Σχολή Σπετσών, Ιουνίου 2008, Πρακτικά με τίτλο: Επιχειρησιακή Έρευνα και Τουριστική Ανάπτυξη, τόμος Β, ΕΝΟΤΗΤΑ 8: Ηλεκτρονική Εκπαίδευση και Επιχειρησιακή έρευνα, σελ Marinagi CC and Kaburlasos VG, Bayesian Decision Theory for Multi-category Adaptive Testing, in American Institute of Physics Conference Proceedings 1048, T.E. Simos, G. Psihoyios, Ch. Tsitouras (eds.), pp (International Conference on Numerical Analysis and Applied Mathematics (ICNAAM) 2008, Kos, Greece, Sept. 2008). Kaburlasos VG and Papadakis SE, Piecewise-linear approximation of nonlinear models based on Interval Numbers (INs), Proceedings of the Lattice-Based Modeling (LBM 2008) Workshop, in conjunction with The Sixth International Conference on Concept Lattices and their Applications (CLA 2008), Olomouc, The Czech Republic, October 2008, pp Papadakis SE and Kaburlasos VG, Computation of a sufficient condition for system input redundancy, Proceedings of the Lattice-Based Modeling (LBM 2008) Workshop, in conjunction with The Sixth International Conference on Concept Lattices and their Applications (CLA 2008), Olomouc, The Czech Republic, October 2008, pp Hatzimichailidis AG and Kaburlasos VG, A novel fuzzy implication stemming from a fuzzy lattice inclusion measure, Proceedings of the Lattice-Based Modeling (LBM 2008) Workshop, in conjunction with The Sixth International Conference on Concept Lattices and their Applications (CLA 2008), Olomouc, The Czech Republic, October 2008, pp Amanatiadis A, Kaburlasos VG, Gasteratos A, and Papadakis SE, A comparative study of invariant descriptors for shape retrieval, Proceedings of the 2009 IEEE International Workshop on Imaging Systems & Techniques (IST 2009), Shenzhen, China, May 2009, pp

15 Επιστημονικές Διατριβές (ΕΔ) [ΕΔ#1] [ΕΔ#2] [ΕΔ#3] Καμπουρλάζος Β.Γ., Ένα μοντέλο προσομοίωσης νοητού κυκλώματος σε δίκτυο Η/Υ που εξυπηρετεί συγχρόνως εικόνα, φωνή και data. Πιθανές εφαρμογές., διπλωματική εργασία 199 χειρόγραφων σελίδων στο Εθνικό Μετσόβιο Πολυτεχνείο, Οκτώβριος Kaburlasos VG, Neurocomputing Classification of Biomedical Image Patterns, a 78 pages University of Nevada Reno Master Thesis, November 1989, University Microfilms Inc., US Library of Congress- Copyright Office. Kaburlasos VG, Adaptive Resonance Theory with Supervised Learning and Large Database Applications, a 227 pages University of Nevada Reno Ph.D. Dissertation, April 1992, University Microfilms Inc., US Library of Congress-Copyright Office. Τεχνικές Εκθέσεις (ΤΕ) [ΤΕ#1] [ΤΕ#2] Καμπουρλάζος Β.Γ., Συγκριτική αξιολόγηση τριών αλγόριθμων δρομολόγησης τηλεφωνικής κινήσεως με απώλειες, Εθνικό Μετσόβιο Πολυτεχνείο, Άνοιξη Υπεύθυνος για τη σύνταξη των τεχνικών εκθέσεων προς την Ευρωπαϊκή Κοινότητα καθ όλη τη διάρκεια του ερευνητικού έργου MITOS από το Μάρτιο 1994 έως το Φεβρουάριο Σημειώσεις Διδασκαλίας ΣΔ) [ΣΔ#1] [ΣΔ#2] [ΣΔ#3] [ΣΔ#4] Φθινόπωρο 1998, Άνοιξη 1999: Συγγραφή ενός εγχειριδίου 45 σελίδων με εργαστηριακές ασκήσεις για σχεδίαση ελεγκτών χρησιμοποιώντας το πακέτο λογισμικού MATLAB στα πλαίσια του εκπαιδευτικού προγράμματος ΣΕΛΕΤΕ (βλέπε στην ενότητα Διδασκαλία). Άνοιξη : Ανάπτυξη του εγχειριδίου λύσεων, σε μορφή HTML, των ασκήσεων του μαθήματος Συστήματα Αυτομάτου Ελέγχου (βλέπε στην ενότητα Διδασκαλία) με περισσότερες από εκατό ασκήσεις. Φθινόπωρο : Ανάπτυξη του εγχειριδίου λύσεων, σε μορφή HTML, των ασκήσεων του μαθήματος Κλασσικός Αυτόματος Έλεγχος (βλέπε στην ενότητα Διδασκαλία) με περισσότερες από εκατό ασκήσεις. Φθινόπωρο : Εργαστηριακές ασκήσεις του μαθήματος Ευφυή Συστήματα στο ΤΕΙ Καβάλας. 15

16 ΥΠΟΜΝΗΜΑ ΔΗΜΟΣΙΕΥΣΕΩΝ του Βασίλη Καμπουρλάζου Ερευνητικές Μονογραφίες (ΕΜ) [ΕΜ#1] Kaburlasos VG, Towards a Unified Modeling and Knowledge-Representation Based on Lattice Theory Computational Intelligence and Soft Computing Applications. Heidelberg, Germany: Springer, series: Studies in Computational Intelligence, vol. 27, 2006, ISBN: ( Με τον όρο μοντέλο εννοούμε την μαθηματική περιγραφή μιας άποψης του κόσμου. Με την εξάπλωση των υπολογιστών διάφορα μοντέλα εμφανίστηκαν υπό τον τίτλο υπολογιστική νοημοσύνη. Μια γρήγορα αναπτυσσόμενη τεχνολογία είναι επί του παρόντος διασπασμένη λόγω της ανάγκης επεξεργασίας διαφορετικών τύπων δεδομένων (data) σε διαφορετικά πεδία εφαρμογών. Αυτή η ερευνητική μονογραφία προτείνει μια ενοποιητική προσέγγιση για αναπαράσταση γνώσης και μοντελοποίηση με βάση την θεωρία πλεγμάτων. Έμφαση δίδεται σε εφαρμογές ομαδοποίησης (clustering), ταξινόμησης (classification), και παλινδρόμησης (regression). Μια μαθηματικά αυστηρή ανάλυση και σχεδίαση προτείνεται στην υπολογιστική νοημοσύνη χρησιμοποιώντας κλασικές τεχνικές. Επιπλέον, υπολογισμός non-turing είναι εν δυνάμει εφικτός. Το υλικό εδώ αφορά πολλαπλές επιστημονικές περιοχές και βασίζεται σε έρευνά μας, η οποία δημοσιεύεται τακτικά σε αναγνωρισμένα επιστημονικά περιοδικά και συνέδρια. Πειραματικά αποτελέσματα της εφαρμογής διάφορων αλγόριθμων παρουσιάζονται εκτεταμένα. Επίσης, σχετική δουλειά άλλων συγγραφέων παρουσιάζεται εκτεταμένα και συγκριτικά. Παρουσίαση-κριτική του παραπάνω βιβλίου δημοσιεύτηκε στο περιοδικό IEEE Transactions on Neural Networks, τεύχος 3 (Μάιος), τόμος 18 (2007) στις σελίδες από τον Gerhard X. Ritter του University of Florida, Department of Computer and Information Science and Engineering. Επιμέλεια Τόμων (ΕΤ) [ΕΤ#1] Kaburlasos VG, and Ritter GX (eds.) Computational Intelligence Based on Lattice Theory. Heidelberg, Germany: Springer, series: Studies in Computational Intelligence, vol. 67, 2007, ISBN: Η ανάδυση της θεωρίας πλεγμάτων (lattice theory) στο επιστημονικό πεδίο της υπολογιστικής νοημοσύνης (computational intelligence) εν μέρει οφείλεται σε αποδεδειγμένα επιτυχείς εφαρμογές στο πεδίο του νευρωνικού υπολογισμού (neural computation). Επιπλέον, η χρήση της θεωρίας πλεγμάτων στην υπολογιστική νοημοσύνη έχει τη δυνατότητα να ενοποιήσει ποικίλες έννοιες ώστε να συμβάλει σε μια δημιουργική γονιμοποίηση πρακτικών και εργαλείων σε πολλές περιοχές αυτού του νέου επιστημονικού πεδίου. Τα άρθρα στα κεφάλαια αυτού του βιβλίου επιδεικνύουν πως η θεωρία πλεγμάτων μπορεί να προτείνει βιώσιμες εναλλακτικές λύσεις σε πρακτικές εφαρμογές ομαδοποίησης (clustering), ταξινόμησης (classification), και στατιστικής παρεμβολής (regression). [ΕΤ#2] Kaburlasos V, Priss U, and Graña M (eds.), LBM 2008 (CLA 2008), Proceedings of the Lattice- Based Modeling Workshop, in conjunction with The Sixth International Conference on Concept Lattices and Their Applications. Olomouc, The Czech Republic: Palacký University, 2008, ISBN: Τα τελευταία χρόνια εμφανίσηκαν δυο διαφορετικές προσεγγίσεις μοντελοποίησης, ονομαστικά Υπολογιστική Πλεγμάτων (Lattice Computing) και Φορμαλιστική Ανάλυση Εννοιών (Formal Concept Analysis), που βασίζονται στη θεωρία πλεγμάτων. Πιο συγκεκριμένα, πρώτον, η Υπολογιστική Πλεγμάτων είναι Υπολογιστική Νοημοσύνη που βασίζεται στη θεωρία πλεγμάτων με έμφαση στη σημασιολογία κατά τους υπολογισμούς και εφαρμογές ομαδοποίησης, ταξινόμησης, και παλινδρόμησης (regression). Δεύτερον, η Φορμαλιστική Ανάλυση Εννοιών ασχολείται με αναπαράσταση γνώσης και ανάλυση πρωτύπων (patterns) που βασίζονται στη θεωρία πλεγμάτων και έμφαση σε εφαρμογές βάσεων δεεδομένων. Τα άρθρα στα κεφάλαια αυτού του βιβλίου αποτελούν την αφετηρία για μια δημιουργική προσέγγιση της Υπολογιστικής Πλεγμάτων με τη Φορμαλιστική Ανάλυση Εννοιών. 16

17 Κεφάλαια Βιβλίων (ΚΒ) [ΚΒ#1] Kaburlasos VG, and Petridis V, Learning and Decision-Making in the Framework of Fuzzy Lattices. In: New Learning Paradigms in Soft Computing, L.C. Jain and J. Kacprzyk (eds.), pp , Heidelberg, Germany: Physica-Verlag GmbH, series: Studies in Fuzziness and Soft Computing, vol. 84, ISBN: ( Γίνεται μια εκτενής παρουσίαση του πλαισίου των ασαφών δικτυωμάτων (framework of fuzzy lattices) σαν εργαλείο για εκμάθηση και λήψη αποφάσεων που βασίζονται σε ανόμοιους τύπους δεδομένων όπως διανύσματα πραγματικών αριθμών, ασαφή σύνολα, σύμβολα, κλπ. Ο ορισμός και η χρησιμότητα διαφόρων εργαλείων και τεχνικών του πλαισίου των ασαφών δικτυωμάτων δείχνεται με απλά γεωμετρικά παραδείγματα στο επίπεδο. Περιγράφονται με λεπτομέρεια τέσσερις τεχνικές εκμάθησης οι οποίες μπορούν να υλοποιηθούν και σαν νευρωνικά δίκτυα. Συγκεκριμένα παρουσιάζονται δύο τεχνικές για ομαδοποίηση (clustering): 1) σ-fln, και 2) d-fln. Επίσης παρουσιάζονται δύο τεχνικές για κατάταξη (classification): 1) dσ-fln, και 2) FLNtf. Οι προτεινόμενες τεχνικές εκμάθησης χρησιμοποιούνται στη συνέχεια για αναγνώριση σε επτά προβλήματα τα οποία περιλαμβάνουν πέντε benchmark σετ δεδομένων. Τα αποτελέσματα είναι συγκρίσιμα με τα αποτελέσματα άλλων τεχνικών αναγνώρισης από τη βιβλιογραφία. Το εύρος της χρήσης και της χρησιμότητας του πλαισίου των ασαφών δικτυωμάτων (framework of fuzzy lattices) αναδεικνύεται με τη συσχέτισή του με πέντε γνωστές θεωρίες για εκμάθηση και λήψη αποφάσεων: 1) με τη θεωρία πιθανοτήτων, όπου δείχνεται ότι ένας χώρος πιθανότητας είναι ένα ασαφές δικτύωμα, 2) με τη θεωρία ασαφών συνόλων, όπου σκιαγραφείται η δυνατότητα μιας νέας άλγεβρας ασαφών αριθμών (fuzzy numbers) με συγκεκριμένα πλεονεκτήματα όπως η ικανότητα γενίκευσης ασαφών συστημάτων, 3) τη λήψη αποφάσεων με βάση την ύστερη (a posteriori) Bayesian πιθανότητα, όπου η χρήση του βασικού τύπου της ύστερης Bayesian πιθανότητας επεκτείνεται ώστε να υπολογίζεται ο βαθμός αλήθειας μιας λογικής συνεπαγωγής μεταξύ δύο λογικών προτάσεων, 4) τη λήψη αποφάσεων με βάση τη θεωρία γεγονότων (theory of evidence), όπου το πλαίσιο των ασαφών δικτυωμάτων παρουσιάζεται σαν μια πλατφόρμα περιγραφής της θεωρίας γεγονότων, και 5) τη θεωρία προσαρμοστικού συντονισμού (Adaptive Resonance Theory), όπου σκιαγραφείται η γενίκευση του γνωστού νευρωνικού δικτύου fuzzy-art από το νευρωνικό δίκτυο σ-fln με πεδίο εφαρμογής ένα ασαφές δικτύωμα. [ΚΒ#2] Kaburlasos VG, Granular enhancement of fuzzy-art/som neural classifers based on lattice theory. In: Computational Intelligence Based on Lattice Theory, V.G. Kaburlasos and G.X. Ritter (eds.). pp. 3-23, Heidelberg, Germany: Springer, series: Studies in Computational Intelligence, vol. 67, ISBN: ( Η ασαφής θεωρία προσαρμοστικού συντονισμού (fuzzy Adaptive Resonance Theory ή fuzzy-art για συντομία), και 2) οι αυτο-οργανούμενοι χάρτες (self-organizing maps ή SOMs για συντομία) είναι δύο δημοφιλή παραδείγματα νευρωνικού υπολογισμού τα οποία υπολογίζουν μερικώς διατεταγμένους κόκκους πληροφορίας (information granules). Συνεπώς, η θεωρία πλεγμάτων (lattice theory), η οποία μελετάει σχέσεις μερικής διάταξης, αναδύεται ως βάση για ενοποιημένη ανάλυση και σχεδίαση. Σ αυτήν την εργασία παρουσιάζουμε επεκτάσεις των fuzzy-art και SOM οι οποίες (επεκτάσεις) ονομάζονται FLR (fuzzy lattice reasoning) και grsom (granular SOM), αντίστοιχα, και μπορούν να χειριστούν κόκκους πληροφορίας. Συγκεκριμένα, οι νευρωνικοί αλγόριθμοι FLR και grsom μπορούν να χειριστούν (ασαφείς) αριθμούς, διαστήματα, και συναρτήσεις κατανομής. Εισάγουμε νέες ερμηνείες. Συγκεκριμένα, το FLR ερμηνεύεται σαν ένας αλγόριθμος που πραγματοποιεί συλλογισμούς ενώ το grsom ερμηνεύεται σαν ένας αλγόριθμος που ελαχιστοποιεί μια συνάρτηση ενέργειας. Επιπλέον, μπορούμε να εισάγουμε ρυθμίσιμες μηγραμμικότητες. Το ενδιαφέρον εδώ εστιάζεται σε εφαρμογές ταξινόμησης. Παρουσιάζουμε τεκμήρια ότι οι προτεινόμενες τεχνικές μπορούν να βελτιώσουν τις επιδόσεις. [KΒ#3] Kaburlasos VG, Unified analysis and design of ART/SOM neural networks and fuzzy inference systems based on lattice theory. In: F. Sandoval, A. Prieto, J. Cabestany, M. Graña (eds.), pp , Springer-Verlag, series: Lecture Notes on Computer Science (LNCS), vol. 4507, ISBN: Οι ασαφείς αριθμοί διαστήματος (Fuzzy Interval Numbers ή FINs για συντομία) είναι μια ενοποιημένη αναπαράσταση δεδομένων που περιλαμβάνει (ασαφείς) πραγματικούς αριθμούς, διαστήματα, καθώς και συναρτήσεις κατανομών. Δείχνουμε πως οι ασαφείς αριθμοί διαστήματος (FINs) μπορούν να αναλυθούν στο πλαίσιο της μαθηματικής θεωρίας πλεγμάτων (lattice theory). Αυτή η εργασία περιγράφει πως οι ασαφείς αριθμοί διαστήματος (FINs) μπορούν να βελτιώσουν την ανάλυση γνωστών νευρωνικών δικτύων αλλά και ασαφών συστημάτων. Έμφαση δίνεται στα νευρωνικά δίκτυα 1) της θεωρίας προσαρμοστικού συντονισμού (Adaptive Resonance Theory ή ART για συντομία), και 2) των αυτο-οργανούμενων χαρτών (self-organizing maps ή SOMs για συντομία), καθώς και στα συστήματα ασαφών συνεπαγωγών (fuzzy inference systems ή FISs για συντομία). 17

18 [KΒ#4] Kaburlasos VG, Neural/Fuzzy Computing Based on Lattice Theory. In: Encyclopedia of Artificial Intelligence, Juan Ramón Rabuñal Dopico, Julián Dorado de la Calle, Alejandro Pazos Sierra (eds.), pp , Information Science Reference, IGI Global publication. Αυτή η εργασία παρουσιάζει νέα μαθηματικά εργαλεία για ενοποιημένη ανάλυση και σχεδίαση νευρο-ασαφών συστημάτων. Βασιζόμαστε στο θεώρημα ταυτοποίησης (resolution identity theorem) της θεωρίας ασαφών συνόλων. Ωστόσο, κατ αρχήν, εγκαταλείπουμε την δυνητική (possibilistic) ερμηνεία μιας συνάρτησης συμμετοχής. Κατόπιν, θεωρούμε την αναπαράσταση ασαφών συνόλων με τομές-α (α -cuts). Το ενδιαφέρον μας επικεντρώνεται στους ασαφείς αριθμούς διαστήματος (fuzzy interval numbers ή FINs για συντομία), οι οποίοι μπορούν να αναπαραστήσουν (ασαφείς) αριθμούς, διαστήματα, και συναρτήσεις κατανομής. Βασιζόμενοι στην θεωρία πλεγμάτων (lattice theory) δείχνουμε ότι ο χώρος των FINs είναι ένας μετρικός κώνος. Συμπερασματικά, αυτή η εργασία παρουσιάζει αρχές σχεδίασης απεικονίσεων από FIN-σε-FIN, οι οποίες είναι επίσης υλοποιήσιμες πάνω σε νευρο-ασαφείς αρχιτεκτονικές, με βάση την γραμμική άλγεβρα. Ακόμη, είναι δυνατή η εισαγωγή ρυθμίσιμων μηγραμμικοτήτων. Δημοσιεύσεις σε Επιστημονικά Περιοδικά (ΕΠ) [ΕΠ#1] Egbert DD, Goodman PH, Kaburlasos VG, and Whitchey JH, Generalization Capabilities of Subtle Image Pattern Classifiers, IEEE Transactions on Knowledge and Data Engineering, vol. 4, no. 2, pp , Η ικανότητα γενίκευσης ορισμένων νευρωνικών δικτύων μελετήθηκε συγκριτικά με την αντίστοιχη ικανότητα συμβατικών αλγόριθμων αναγνώρισης σε μια εφαρμογή ιατρικής διάγνωσης από εικόνες. Το ιατρικό πρόβλημα αφορά την αυτοματοποιημένη διάγνωση κακώσεων υπερέκτασης στον αυχένα (whiplash injury) από υπέρυθρες εικόνες Περιγράφεται λεπτομερώς το hardware και η διαδικασία εργαστηριακής λήψης των υπέρυθρων εικόνων καθώς και οι μέθοδοι ψηφιακής επεξεργασίας των εικόνων για την εξαγωγή διανυσμάτων-γνωρισμάτων (feature vectors) που χρησιμοποιήθηκαν για εκμάθηση. Τα νευρωνικά δίκτυα που χρησιμοποιήθηκαν είναι το δίκτυο backpropagation και το ART2. Οι συμβατικές μέθοδοι αναγνώρισης που χρησιμοποιήθηκαν περιλαμβάνουν έναν αλγόριθμο πλησιέστερου γείτονα, τη μέθοδο γραμμικού διαχωρισμού (linear discriminant analysis), και έναν αλγόριθμο μέγιστης πιθανοφάνειας. Το δίκτυο back-propagation έδωσε τα καλύτερα αποτελέσματα κατάταξης (classification) και εμφάνισε τη μεγαλύτερη ικανότητα γενίκευσης από τα δεδομένα εκμάθησης (training data). [ΕΠ#2] Kaburlasos VG, and Petridis V, Fuzzy Lattice Neurocomputing (FLN) : A Novel Connectionist Scheme for Versatile Learning and Decision Making by Clustering, International Journal of Computers and Their Applications, vol. 4, no. 3, pp , Το πλαίσιο των ασαφών δικτυωμάτων (framework of fuzzy lattices) εισάγεται και, επιπλέον, μια συγκεκριμένη αρχιτεκτονική που ονομάζεται FLN (Fuzzy Lattice Neurocomputing) παρουσιάζεται. Η θεωρία των ασαφών δικτυωμάτων εισάγεται με απλά παραδείγματα και γεωμετρικές ερμηνείες στο επίπεδο. Ορισμοί, θεωρήματα, και το μεγάλο εύρος εφαρμογών των ασαφών δικτυωμάτων παρουσιάζονται. Ο αλγόριθμος εκμάθησης του FLN εξηγείται με ένα διάγραμμα ροής. Συγκεκριμένα παραδείγματα εφαρμογής του FLN σε συνθετικά και σε benchmark δεδομένα αναδεικνύουν την ικανότητα του FLN για εκμάθηση και αναγνώριση στον Ευκλείδειο χώρο καθώς και στο χώρο των ασαφών συνόλων. Εξηγείται με ποιο τρόπο το πλαίσιο των ασαφών δικτυωμάτων θα μπορούσε να οδηγήσει μακροπρόθεσμα σε μια νέα γενιά υπολογιστών με αυξημένες δυνατότητες χάριν της ικανότητάς τους να χειρίζονται ολόκληρα στοιχεία ενός ασαφούς δικτυώματος π.χ. μια ολόκληρη εικόνα, μια λογική πρόταση, κλπ. [ΕΠ#3] Petridis V, and Kaburlasos VG, Fuzzy Lattice Neural Network (FLNN): A hybrid model for learning, IEEE Transactions on Neural Networks, vol. 9, no. 5, pp , 1998 (Special Issue on Neural Networks and Hybrid Intelligent Models: Foundations, Theory, and Applications). Δύο νευρωνικά μοντέλα παρουσιάζονται για εκμάθηση με ομαδοποίηση (clustering) και κατάταξη (classification), αντίστοιχα. Και τα δύο μοντέλα μπορούν να υλοποιηθούν στην νευρωνική αρχιτεκτονική FLNN (Fuzzy Lattice Neural Network) η οποία παρουσιάζεται σ αυτήν την εργασία. Τα δύο μοντέλα εκμάθησης δανείζονται πρακτικές από δύο γνωστά νευρωνικά δίκτυα: 1) το νευρωνικό δίκτυο προσαρμοστικού συντονισμού (Adaptive Resonance Theory Neural Net ή ART neural net), και 2) το νευρωνικό δίκτυο ελαχίστων-μεγίστων (min-max neural net). Ωστόσο τα προτεινόμενα μοντέλα εκμάθησης μπορούν να εφαρμοστούν και πέραν του Ν-διάστατου Ευκλείδειου χώρου σε ένα (μαθηματικό) δικτύωμα (lattice) συνεπώς μπορούν να χειριστούν, επιπλέον, και μη-αριθμητικά δεδομένα. Νέες θεωρητικές έννοιες εισάγονται και, επιπλέον, χρήσιμα θεωρήματα αποδεικνύονται. Ιδιαίτερη έμφαση 18

19 δίνεται σε ένα μέτρο διάταξης (inclusion measure) και στην τεχνική των μεγίστων επεκτάσεων (technique of maximal expansions) η χρησιμότητα των οποίων δείχνεται γεωμετρικά με παραδείγματα στο επίπεδο. Η εφαρμογή των δύο προτεινόμενων μοντέλων εκμάθησης αυτής της εργασίας δίνει το ίδιο καλά ή καλύτερα αποτελέσματα αναγνώρισης συγκριτικά με άλλες μεθόδους από τη βιβλιογραφία σε έξι προβλήματα αναγνώρισης το οποία περιλαμβάνουν και πέντε benchmark σετ δεδομένων. [ΕΠ#4] Petridis V, and Kaburlasos VG, Learning in the Framework of Fuzzy Lattices, IEEE Transactions on Fuzzy Systems, vol. 7, no. 4, pp , Errata in IEEE Transactions on Fuzzy Systems, vol. 8, no. 2, p. 236, Με μια εκτεταμένη αναφορά στη βιβλιογραφία επιχειρηματολογείται η αναγκαιότητα ενός θεωρητικού πλαισίου για εκμάθηση όπου θα είναι δυνατός ο ταυτόχρονος χειρισμός ανόμοιων τύπων δεδομένων. Το πλαίσιο των ασαφών δικτυωμάτων (framework of fuzzy lattices) εισάγεται με μαθηματικά αυστηρούς ορισμούς χρησιμοποιώντας έννοιες από τη θεωρία δικτυωμάτων (lattice theory) και τη θεωρία ασαφών συνόλων (fuzzy set theory). Ένα ασαφές δικτύωμα (fuzzy lattice) προκύπτει από ένα συνηθισμένο δικτύωμα (lattice) με την ασαφοποίηση της μερικής διάταξης του τελευταίου. Χρήσιμα θεωρήματα διατυπώνονται και αποδεικνύονται. Εκμάθηση μπορεί να πραγματοποιηθεί στο πλαίσιο των ασαφών δικτυωμάτων με τον υπολογισμό διαστημάτων (intervals). Γεωμετρικές ερμηνείες παρέχονται σε ένα δικτύωμα το οποίο ορίζεται στο μοναδιαίο υπερ-κύβο όπου ένα διάστημα αντιστοιχεί σε ένα υπερ-κουτί (hyperbox). Μια συγκεκριμένη τεχνική εκμάθησης με ομαδοποίηση (clustering) παρουσιάζεται με το όνομα σ-fll (σ- Fuzzy Lattice Learning). Η εκμάθηση με το σ-fll επιτυγχάνεται χρησιμοποιώντας ένα μέτρο διάταξης σ (inclusion measure σ) το οποίο εισάγεται αξιωματικά σ αυτήν την εργασία. Σκιαγραφείται ποιοτικά μια σύγκριση του σ-fll με νευρο-ασαφή και άλλα μοντέλα. Συγκεκριμένες εφαρμογές αναγνώρισης προτύπων δείχνονται σε ένα πρόβλημα ιατρικής προέλευσης καθώς και σε δύο benchmark σετ δεδομένων όπου αναδεικνύεται η ικανότητα του σ-fll να χειρίζεται αποτελεσματικά αριθμητικά δεδομένα και σύμβολα είτε ξεχωριστά είτε από κοινού. Λόγω των καλών αποτελεσμάτων που παρέχει αλλά και λόγω του μεγάλου εύρους της εφαρμογής του σε δεδομένα διαφόρων τύπων το σ-fll παρουσιάζεται σαν μια τεχνική εκμάθησης με δυνατότητες εφαρμογής σε πολλά πρακτικά προβλήματα αναγνώρισης. [ΕΠ#5] Kaburlasos VG, Petridis V, Brett P, and Baker D, Estimation of the Stapes-Bone Thickness in Stapedotomy Surgical Procedure Using a Machine-Learning Technique, IEEE Transactions on Information Technology in Biomedicine, vol. 3, no. 4, pp , Η διάτρηση του οστού του αναβολέα στο αυτί είναι μια χειρουργική επέμβαση για την εισαγωγή μιας τεχνητής προσθήκης με απώτερο σκοπό την αποκατάσταση της ακοής σε άτομα με μειωμένη ακοή. Για την ασφαλή διάτρηση του οστού του αναβολέα είναι απαραίτητη η γνώση του πάχους της διατομής του η οποία, όμως, δεν μπορεί να προσδιοριστεί με μέτρηση. Σ αυτήν την εργασία παρουσιάζεται μια τεχνική ευφυούς αυτόματου ελέγχου με σκοπό να εκτιμάται με ακρίβεια το πάχος του οστού του αναβολέα από μετρήσιμα δεδομένα δύναμης και ροπής χρησιμοποιώντας ένα χειρουργικό μηχατρονικό τρυπάνι. Η εκτίμηση πάχους του οστού του αναβολέα επιτυγχάνεται με τη μάθηση ενός γραμμικού τελεστή απεικόνισης γνωρισμάτων της δύναμης σε γνωρίσματα της ροπής, συνεπώς δεν είναι αναγκαία η ύπαρξη ενός αλγεβρικού- ή διαφορικού- μοντέλου του φυσικού συστήματος. Για την προαναφερθείσα εκμάθηση χρησιμοποιήθηκε το νευρωνικό δίκτυο dσ-fln η λειτουργία του οποίου περιγράφεται στο πλαίσιο των ασαφών δικτυωμάτων (framework of fuzzy lattices). Η επιτυχής εφαρμογή του dσ-fln περιγράφεται για τον προσδιορισμό του πάχους διαφόρων οστών αναβολέα χρησιμοποιώντας δεδομένα διάτρησης δύναμης και ροπής που ελήφθησαν εργαστηριακά. [ΕΠ#6] Kaburlasos VG, and Petridis V, Fuzzy Lattice Neurocomputing (FLN) Models, Neural Networks, vol. 13, no. 10, pp , Αυτή η εργασία δείχνει, κατ αρχήν, πως μπορούν να υλοποιηθούν νευρωνικές τεχνικές στο πλαίσιο των ασαφών δικτυωμάτων (FL-framework). Γίνεται ιδιαίτερη αναφορά σε γνωστά αλλά και σε νέα πλεονεκτήματα του πλαισίου των ασαφών δικτυωμάτων όπως η δυνατότητα χειρισμού ανόμοιων τύπων δεδομένων, διαστήματα τιμών, ελλιπή (missing) δεδομένα, και αδιάφορα (don t care) δεδομένα. Ένας νέος συμβολισμός εισάγεται στο πλαίσιο των ασαφών δικτυωμάτων ώστε να απλοποιηθεί η χρήση και η χρησιμότητα των μαθηματικών εξισώσεων. Δύο συγκεκριμένα νευρωνικά μοντέλα παρουσιάζονται: 1) το μοντέλο σ-fln για ομαδοποίηση (clustering), και 2) το μοντέλο FLNtf για κατάταξη (classification). Η εκμάθηση με το μοντέλο σ-fln είναι ταχύτατη αφού απαιτείται μόνο ένα πέρασμα των δεδομένων για εκμάθηση, ενώ η εκμάθηση με το μοντέλο FLNtf είναι σταδιακή (incremental), ανεξάρτητη της σειράς παρουσίασης των δεδομένων για εκμάθηση, πολυωνυμική O(n 3 ) όπου n είναι ο αριθμός των δεδομένων για εκμάθηση, και εγγυάται μεγιστοποίηση του μέτρου διάταξης (inclusion measure) ενός δεδομένου-εισόδου σε μια κατηγορία όπως εξηγείται στο κείμενο. Χρήσιμες γεωμετρικές ερμηνείες παρέχονται στο επίπεδο. Το μοντέλο σ- 19

20 FLN, το οποίο έχει παρουσιαστεί σε προηγούμενες δημοσιεύσεις, παρουσιάζεται εδώ σαν μια βελτίωση του γνωστού νευρωνικού μοντέλου fuzzy-art και σαν επέκταση (extension) του fuzzy-art σε χώρους εκτός του Ευκλείδειου και συγκεκριμένα σε χώρους δικτυωμάτων (lattices). Η προαναφερθείσα επέκταση (extension) επιτυγχάνεται, πρώτον, με τον επανα-ορισμό των συναρτήσεων επιλογής (choice function) και ταιριάσματος (match function) του μοντέλου fuzzy-art και, δεύτερον, με τον επανα-ορισμό της τεχνικής κωδικοποίηση με συμπλήρωμα (complement coding technique), έτσι ώστε να είναι δυνατή η εφαρμογή των προαναφερθέντων συναρτήσεων και τεχνικών σε μαθηματικά δικτυώματα. Το μοντέλο FLNtf εισάγεται για πρώτη φορά σ αυτήν την εργασία και χρησιμοποιείται σε τέσσερα προβλήματα για εκμάθηση και αναγνώριση καθώς και για την εξαγωγή κανόνων σε σετ δεδομένων διαφόρων μεγεθών. Τα πειράματα εμπλέκουν αριθμητικά δεδομένα, σύμβολα, ελλιπή (missing) δεδομένα, καθώς και αδιάφορα (don t care) δεδομένα, ενώ τα δικτυώματα (lattices) στα οποία εφαρμόζεται το νευρωνικό μοντέλο FLNtf είναι ο μοναδιαίος κύβος, ένας χώρος πιθανότητας, και ένας χώρος προτάσεων τύπου Boolean. [ΕΠ#7] Petridis V, and Kaburlasos VG, Clustering and classification in structured data domains using Fuzzy Lattice Neurocomputing (FLN), IEEE Transactions on Knowledge and Data Engineering, vol. 13, no. 2, pp , 2001 (Special Section on Connectionist Models for Learning in Structured Domains). Αυτή η εργασία πραγματεύεται μια συγκεκριμένη εφαρμογή: την κατάταξη κειμένων με βάση το περιεχόμενό τους (νόημά τους). Για το σκοπό αυτό χρησιμοποιείται το νευρωνικό μοντέλο σ-fln για ομαδοποίηση γράφων (graph clustering) οι οποίοι προέρχονται από ένα κύριο-γράφο (master-graph). Καινούργια μαθηματικά εργαλεία εισάγονται, όπως ένα νέο μέτρο διάταξης (inclusion measure), ώστε να διευκολυνθεί η χρήση του μοντέλου σ-fln για την ομαδοποίηση γράφων. Ο κύριος-γράφος (master-graph) σ αυτήν την εργασία προέρχεται από ένα θησαυρό (Thesaurus) συνωνύμων μιας ομιλούμενης γλώσσας και συγκεκριμένα της Αγγλικής γλώσσας. Οι ομάδες (clusters) που υπολογίζει το σ-fln όταν εφαρμοστεί σε γράφους που προέρχονται από το θησαυρό συνωνύμων ονομάζονται υπερλέξεις (hyperwords) και είναι σύνολα λέξεων με παραπλήσιο νόημα. Η ρύθμιση των αριθμητικών παραμέτρων του σ-fln μπορεί να ελέγξει τον συνολικό αριθμό των υπερλέξεων που υπολογίζονται σε μια συγκεκριμένη εφαρμογή. Δείχνεται πειραματικά ότι η χρήση των υπερλέξεων μπορεί να μειώσει τον συνολικό αριθμό των γνωρισμάτων (features) που χρησιμοποιούνται για αναγνώριση και κατάταξη κειμένων. Σε μια σειρά συγκριτικών πειραμάτων για κατάταξη κειμένων η χρήση των υπερλέξεων δίνει καλύτερα αποτελέσματα από τη χρήση λέξεων σε προβλήματα που εμπλέκουν μεγαλύτερα κείμενα ενώ η επίδοση χειροτερεύει για μικρά κείμενα. [ΕΠ#8] Kaburlasos VG, Spais V, Petridis V, Petrou L, Kazarlis S, Maslaris N, and Kallinakis A, Intelligent clustering techniques for prediction of sugar production, Mathematics and Computers in Simulation, vol 60, iss. 3-5, pp , 2002 (Special Issue on Intelligent Forecasting, Fault Diagnosis, Scheduling, and Control). Η έγκαιρη-, και ακριβής πρόβλεψη της ετήσιας σοδειάς ζαχαρότευτλων είναι σημαντική για την Βιομηχανία Ζάχαρης διότι τότε η συγκομιδή των τεύτλων μπορεί να διοργανωθεί αποτελεσματικά ώστε να αυξηθεί το περιθώριο κέρδους για τη Βιομηχανία. Αυτή η εργασία παρουσιάζει τεχνικές ευφυούς ομαδοποίησης (intelligent clustering) με σκοπό την αποτελεσματική πρόβλεψη της ετήσιας σοδειάς ζαχαρότευτλων καθώς και της αντίστοιχης παραγωγής ζάχαρης για λογαριασμό της Ελληνικής Βιομηχανίας Ζάχαρης (ΕΒΖ). Χρησιμοποιήθηκαν παραγωγικά-, και μετεωρολογικάδεδομένα ένδεκα ετών. Τα πειραματικά αποτελέσματα που παρουσιάζονται εδώ δείχνουν ότι οι τεχνικές ευφυούς ομαδοποίησης που παρουσιάζονται σ αυτήν την εργασία παρέχουν καλύτερες εκτιμήσεις της ετήσιας παραγωγής ζάχαρης από άλλες τεχνικές πρόβλεψης στις οποίες συμπεριλαμβάνεται και ένα δυναμικό μοντέλο συστήματος διατήρησης ενέργειας. [ΕΠ#9] Petridis V, Kazarlis S, and Kaburlasos VG, ACES: An interactive software platform for selfinstruction and self-evaluation in automatic control systems, IEEE Transactions on Education, vol. 46, no. 1, pp , Περιγράφεται η σχεδίαση και χρήση του διαδραστικού (interactive) πακέτου λογισμικού ΕΛΣΑΕ (Εκπαιδευτικό Λογισμικό Συστημάτων Αυτομάτου Ελέγχου) που αναπτύχθηκε με σκοπό την αυτοδιδασκαλία και αυτοαξιολόγηση των φοιτητών ενός τμήματος Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών σε μαθήματα Συστημάτων Αυτομάτου Ελέγχου. Τα χαρακτηριστικά του λογισμικού ΕΛΣΑΕ περιλαμβάνουν: 1) Συνεχή διαδικασία αυτοαξιολόγησης υλοποιούμενη από το προτεινόμενο λογισμικό, 2) Ενσωμάτωση αριθμητικού λογισμικού καθώς και χρήση μιας βάσης δεδομένων (ΒΔ) με σκοπό την αντιμετώπιση ρεαλιστικών προβλημάτων κατά τη διάρκεια της διδασκαλίας, 3) Σύνδεση με το διαδίκτυο ώστε να υπάρχει η δυνατότητα πρόσβασης σε πληροφορίες που ανανεώνονται διαρκώς, και 4) Δυνατότητα αυτοματοποιημένης προσαρμογής της εξάσκησης του κάθε φοιτητή στο δικό του ρυθμό πρόσληψης γνώσης μέσω ενός μηχανισμού αυτοαξιολόγησης και 20